Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN I Profesores del curso UNIVERSIDAD NACIONAL AGRARIA LA MOLINA Facultad de Economía y Planificación Departamento de Estadística e Informática Diseño Experimental DBCA 2021-I OBJETIVOS Identificar si existe una característica o factor bloque para agrupar las unidades experimentales. Realizar el análisis estadístico de un diseño en bloques completamente aleatorizado (DBCA). Aplicar los procedimientos de comparaciones múltiples y toma de decisiones en la comparación de grupos de tratamientos. Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Los bloques deben ser definidos por el investigador antes de llevarse a cabo el experimento, quien debe estar completamente seguro de la existencia de este factor externo. Una vez realizado el experimento y recolectado los datos utilizando un DBCA, si los bloques no resultan significativos (no hay diferencia entre bloques), los datos no deberían ser analizado como un DCA. Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Una posible aleatorización de los tratamientos en las unidades experimentales seria la siguiente: Bloque 1 T2 T4 T1 T3 Bloque 2 T1 T3 T2 T4 Bloque 3 T3 T2 T4 T1 Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Suponga que se desea comparar el consumo de 3 marcas de un producto (M1, M2 y M3) y que el experimentador por experiencia sabe que el consumo también difiere según el tipo de edad y género, por lo cual forma 4 bloques (hombres adultos, mujeres adultas, niños y niñas); con lo cual se podrían tener las siguientes unidades experimentales a las cuales se les asigna los tratamientos: Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Cuadro de Datos Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Modelo Aditivo Lineal El Modelo Aditivo Lineal para un Diseño de Bloques Completos al Azar es el siguiente: Donde: Yij: Es el valor observado en el i-ésimo tratamiento y el j-ésimo bloque. µ: Es el efecto de la media general. τi: Es el efecto del i-ésimo tratamiento. βj: Es el efecto del j-ésimo bloque. εij: Es el efecto del error experimental en el i-ésimo tratamiento y el j-ésimo bloque. Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Análisis de Variancia En este modelo la variabilidad total se descompone en tres fuentes de variación de la siguiente manera: Var (Total) = Var (Tratamientos) + Var (Bloques) + Var (Error) La variabilidad total es cuantificada por la suma de cuadrado total: es el término de corrección (TC). ( ) ( ) ( ) 2 2 2 1 1 1 1 t b t b ij ij i j i j Y SC Total SC Y Y Y Y tb •• •• = = = = = = − = − 2Y tb •• Diseño de Bloques Completos al azar (DBCA) La suma de cuadrados de tratamientos es dado por: La suma de cuadrados de bloques es dado por: La suma de cuadrados del error es dado por: SC(Error) = SC(Total) – SC(Tratamientos) – SC(Bloques) ( ) 2 1 t i i Y SC Tratamientos TC b • = = − ( ) 2 1 b j j Y SC Bloques TC t • = = − Diseño de Bloques Completos al azar (DBCA) Análisis de Variancia Fuente de Variación Grados de Libertad Suma de Cuadrados Cuadrados Medios Fcal Tratamientos t-1 SC(Trat) SC(Trat)/(t-1) CM(Trat)/CM(Erro r) Bloques b-1 SC(Bloq) SC(Bloq)/(b-1) Error (t-1)(b-1) SC(Error) SC(Error)/(t-1)(b- 1) Total tb-1 SC(Total) Bajo el supuesto que los errores son variables aleatorias independientes distribuidas normalmente con media cero y variancia común se puede demostrar que: Métodos Estadísticos para la Investigación I 2021 - I Formulación de Hipótesis: Para el Modelo I (Efectos fijos) las hipótesis pueden basarse en: a. Los efectos de los tratamientos: Ho: H1: b. Las medias de los tratamientos Ho: H1: tii ,...,1 0 == ii algún menos al para 0 tii ,...,1 == ii algún menos al para = Métodos Estadísticos para la Investigación I 2021 - I Diseño de Bloques Completos al azar (DBCA) Pruebas de Comparación de Medias de Tratamientos Aquí se presentarán algunas de las pruebas que también fueron desarrolladas para el D.C.A. Los supuestos y características de cada una de las prueba son las mismas. A continuación se presentan las desviaciones estándar a utilizar en cada una de las pruebas (como se puede observar con las mismas expresiones de las desviaciones estándar para cada prueba pero asumiendo un DCA balanceado debido a que el DBCA es completo): Métodos Estadísticos para la Investigación I 2021 - I Ejercicio Propuesto 1. 1. Un ingeniero agrónomo realizó un experimento para determinar si existe alguna diferencia en el rendimiento de cierta variedad de maíz con 4 fórmulas diferentes de fertilizante. Las fórmulas empleadas fueron las siguientes: Fórmula 1 (Testigo): Sin fósforo (P) y sin nitrógeno (N). Fórmula 2: Solo fósforo. Fórmula 3: Solo nitrógeno. Fórmula 4: Con fósforo y nitrógeno Una variante en particular en la conducción del experimento fue el tipo de suelo, ya que no fue el mismo para todas las parcelas en estudio. Los rendimientos obtenidos en Kg. por parcela se presentan a continuación: Métodos Estadísticos para la Investigación I 2021 - I Ejercicio Propuesto 1. a. Presente el modelo aditivo lineal y explique sus componentes según el enunciado de la pregunta. b. Asumiendo el cumplimiento de supuestos, pruebe si al menos una fórmula presenta un rendimiento medio de maíz distinto a las demás. Complete el siguiente cuadro ANVA y realice la prueba estadística respectiva. SUELO FÓRMULA 1 2 3 4 Arcilloso 7 7 11 12 Arenoso 11 10 16 16 Franco Arenoso 13 12 18 19 Métodos Estadísticos para la Investigación I 2021 - I Ejercicio Propuesto 1 b. Asumiendo el cumplimiento de supuestos, pruebe si al menos una fórmula presenta un rendimiento medio de maíz distinto a las demás. Complete el siguiente cuadro ANVA y realice la prueba estadística respectiva. Métodos Estadísticos para la Investigación I 2021 - I Ejercicio Propuesto 1. c. El ingeniero agrónomo planeó evaluar si con la fórmula 4 se obtienen mejores rendimientos que con la fórmula 2, ¿Es cierta la información del ingeniero? Use la información del siguiente reporte Minitab para realizar la prueba estadística más adecuada. d. El ingeniero agrónomo afirma que el rendimiento medio de maíz con la fórmula 2 es diferente al obtenido con la fórmula 1 ¿Es cierta la afirmación del ingeniero? Use el reporte prueba estadística adecuada. e. El ingeniero agrónomo desea comparar la fórmula que no contiene fósforo ni nitrógeno con el resto de fórmulas, realice la prueba estadística más adecuada. f. El ingeniero agrónomo desea realizar todas las comparaciones posibles entre las fórmulas empleadas, realice la prueba estadística más adecuada. g. El ingeniero agrónomo afirma que el rendimiento medio de maíz obtenido al aplicar la fórmula 1 es inferior al rendimiento medio de maíz cuando se aplica conjuntamente la fórmula 3 y 4 ¿Es cierta la afirmación del ingeniero? Realice la prueba estadística más adecuada. Métodos Estadísticos para la Investigación I 2021 - I Ejercicio Propuesto 1. Salidas Minitab: Métodos Estadísticos para la Investigación I 2021 - I Ejercicio Propuesto 1. Salidas Minitab: Métodos Estadísticos para la Investigación I 2021 - I Referencias R.G.D. Steel, & Torrie, J.H.(1985). Bioestadística Principios y Procedimientos. McGraw Hill, ed Bogotá, Colombia. Montgomery, D. C. (2005). Diseño y análisis de experimentos (2nd. Ed). México: Limusa Wiey. Kuehl, R. O., (2001). Diseño de experimentos: principios estadísticos para el diseño y análisis de investigaciones. (2nd Ed). International Thomson Editores, S.A. de C.V., Mexico, DF. Ramsey, F. L., & Schafer, D. W. (2002).The statistical sleuth: A coursein methods of data analysis. Australia: Duxbury/Thomson Learning Métodos Estadísticos para la Investigación I 2021 - I
Compartir